| 1 |
1
내부에 유체가 통과하는 유로가 형성되고 관으로 마련되는 케이싱; 상기 케이싱의 내부에 배치되는 샤프트; 상기 케이싱의 내부에 고정되고 상기 유체의 유동 각도를 변경시키는 인렛 가이드 베인; 및 상기 인렛 가이드 베인으로부터 소정의 간격 이격되어 상기 샤프트에 연결되고 상기 유체에 의해 상기 샤프트와 함께 회전되는 러너를 포함하고, 상기 러너의 입구 각도(Beta1)는 상기 러너의 입구 측에서 상기 샤프트에 가까운 곳에서의 Hub-Span 각도(Beta1_h), 상기 러너의 입구 측에서 중간지점인 곳에서의 Mid-Span 각도(Beta1_m) 및 상기 러너의 입구 측에서 상기 케이싱에 가까운 곳에서의 Tip-Span 각도(Beta1_s)를 포함하고, 상기 러너의 출구 각도(Beta2)는 상기 러너의 출구 측에서 상기 샤프트에 가까운 곳에서의 Hub-Span 각도(Beta2_h), 상기 러너의 출구 측에서 중간지점인 곳에서의 Mid-Span 각도(Beta2_m) 및 상기 러너의 출구 측에서 상기 케이싱에 가까운 곳에서의 Tip-Span 각도(Beta2_s)를 포함하며, 터빈의 효율(Eff)은 상기 인렛 가이드 베인과 상기 러너 사이의 거리, 상기 러너의 입구 각도(Beta1) 및 상기 러너의 출구 각도(Beta2)에 의해 변경되고, 상기 인렛 가이드 베인과 상기 러너 사이의 거리는 5 mm이고, 상기 Beta1_s는 76도이고, 상기 Beta2_h는 68
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제1 항에 있어서, 상기 인렛 가이드 베인의 출구 Hub-Span 각도는 상기 인렛 가이드 베인의 출구 Tip-span 각도와 같거나 보다 큰 머신러닝을 이용한 설계방법에 의해 설계된 마이크로 터빈
|
| 5 |
5
목적함수, 설계변수 및 각각의 상기 설계변수의 범위가 입력되는 저장부; 상기 저장부에 입력된 상기 설계변수의 범위 내에서 실험점을 도출하도록 마련된 도출부; 상기 도출부에서 도출된 상기 실험점에 대한 수치해석을 수행하여 입력값을 생성하는 생성부; 상기 생성부에 생성된 상기 입력값에 대한 머신 러닝을 수행하여 대리모델을 구축하도록 마련된 구축부; 및 상기 구축부로부터 상기 마이크로 터빈의 최적 설계안을 도출하도록 마련된 설계부를 포함하는 설계시스템을 이용하여 제1 항 및 제4 항 중 어느 한 항에 따른 마이크로 터빈을 설계하는 방법으로써, 상기 마이크로 터빈의 형상을 고려하여 목적함수 및 설계변수 결정 단계; 상기 설계변수의 상한 및 하한값을 결정하는 설계 영역 선정단계; 상기 선정된 설계 영역에서 상기 설계변수를 조합하는 단계; 상기 조합된 설계변수 중에서 2k 요인실험법에 의해 상기 목적함수에 주요한 영향을 미치는 주요 설계변수 결정 단계; 상기 설계변수의 영역 내에서의 상기 설계변수 값으로 이루어진 복수의 실험점을 도출하는 실험점 도출 단계; 도출된 각각의 상기 실험점에 대한 수치해석을 통해 상기 목적함수의 값을 계산하여 입력값을 생성하는 입력값 생성 단계; 상기 입력값에 대한 머신러닝을 통해 대리모델이 구축되는 대리모델 구축단계; 및 구축된 상기 대리모델에서 마이크로 터빈의 최적 설계안을 도출하는 최적 설계안 도출단계를 포함하는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 6 |
6
제5 항에 있어서, 상기 목적함수는 전체 유량범위에서 터빈의 효율(Eff)이고, 상기 설계변수는 상기 목적함수에 영향을 미칠 수 있는 상기 인렛 가이드 베인과 상기 러너 사이의 거리(L), 상기 러너의 입구 각도(Beta1) 및 상기 러너의 출구 각도(Beta2)인 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 7 |
7
제6 항에 있어서, 상기 러너의 입구 각도(Beta1)는 상기 러너의 입구 Hub-Span 각도(Beta1_h), 상기 러너의 입구 Mid-Span 각도(Beta1_m) 및 상기 러너의 입구 Tip-Span 각도(Beta1_s)를 포함하고, 상기 러너의 출구 각도(Beta2)는 상기 러너의 출구 Hub-Span 각도(Beta2_h), 상기 러너의 출구 Mid-Span 각도(Beta2_m) 및 상기 러너의 출구 Tip-Span 각도(Beta2_s)를 포함하는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 8 |
8
제7 항에 있어서, 상기 설계변수의 상한 및 하한값을 결정하는 설계 영역 선정단계에서 상기 거리(L)는 4 mm 이상 6 mm 이하이고, 상기 러너의 입구 Hub-Span 각도(Beta1_h)는 38도 이상 52도 이하이며, 상기 러너의 입구 Mid-Span 각도(Beta1_m)는 61도 이상 71도 이하이고, 상기 러너의 입구 Tip-Span 각도(Beta1_s)는 71도 이상 81도 이하이며, 상기 러너의 출구 Hub-Span 각도(Beta2_h)는 63
|
| 9 |
9
제7 항에 있어서, 상기 조합된 설계변수 중에서 2k 요인실험법에 의해 상기 목적함수에 주요한 영향을 미치는 주요 설계변수 결정 단계에서는 상기 거리(L), 러너의 입구 Hub-Span 각도(Beta1_h), 러너의 입구 Mid-Span 각도(Beta1_m), 러너의 입구 Tip-Span 각도(Beta1_s), 러너의 출구 Hub-Span 각도(Beta2_h), 러너의 출구 Mid-Span 각도(Beta2_m) 및 러너의 출구 Tip-Span 각도(Beta2_s)를 조합하여 상기 목적함수의 민감도를 파악하는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 10 |
10
제6 항에 있어서, 상기 설계 영역 선정단계는 상기 설계변수에 대한 목적함수를 결정하기 위해 경계 조건을 고정하는 경계 조건 고정단계를 더 포함하는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 11 |
11
제10 항에 있어서, 작동유체는 25도의 물로 고정되는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 12 |
12
제5 항에 있어서, 상기 실험점 도출 단계에서, 상기 실험점은 라틴 하이퍼 큐브 샘플링(Latin Hypercube Sampling)에 의해 도출되는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 13 |
13
제5 항에 있어서, 상기 입력값 생성 단계에서, 상기 입력값은 상기 실험점을 이루는 상기 설계변수의 값 및 상기 설계변수의 값에 대한 수치해석을 통해 계산된 상기 목적함수의 값으로 이루어진 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 14 |
14
제7 항에 있어서, 상기 대리모델 구축단계에서, 상기 대리모델은 RBNN(Radial basis neural network) 인공신경망으로 이루어진 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 15 |
15
제14 항에 있어서, 상기 대리모델 구축단계는, 상기 입력값에 대한 머신러닝을 통해 상기 대리모델을 구축하기 위한 변수값을 도출하는 변수값 도출단계; 및 도출된 상기 변수값을 이용하여 상기 대리모델을 구축하는 모델구축단계를 포함하는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 16 |
16
제15 항에 있어서, 상기 변수값 도출단계는, 상기 입력값을 K 개로 분리된 부분 집합으로 분할하는 제1단계; 분할된 상기 부분 집합에서 상호 중복되지 않는 테스트 폴드를 선정하는 제2단계; 각각의 상기 부분 집합에서 상기 테스트 폴드를 제외한 부분인 트레이닝 폴드만으로 머신러닝을 수행하여 상기 대리모델을 훈련시키는 제3단계; 각각의 상기 부분 집합에 대하여 상기 트레이닝 폴드로 훈련된 대리모델의 예측값과 상기 테스트 폴드의 실제 값을 비교하여 상대오차를 도출하는 제4단계; K 개의 상기 부분 집합에서 도출된 상기 상대오차를 합산하여 상대오차 합을 도출하는 제5단계; 및 상기 상대오차 합이 최소가 되는 상기 변수값이 도출되도록 상기 제1단계 내지 상기 제5단계를 반복 수행하는 제6단계를 포함하는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 17 |
17
제15 항에 있어서, 상기 변수값 도출단계에서,상기 변수값은 상기 Beta1_h, Beta1_m, Beta2_m, Beta2_s을 포함하는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 18 |
18
제15 항에 있어서, 상기 최적 설계안 도출단계는, 상기 대리모델에서 무작위로 선택된 설계변수 값을 유전자 알고리즘에 대입하여 목적함수값을 예측하는 목적함수값 예측단계; 예측된 상기 목적함수값들의 상관관계를 고려한 파레토 최적해 면을 도출하는 파레토 최적해 면 도출단계; 및 도출된 상기 파레토 최적해 면에서 목적으로 하는 목적설계함수값에 대한 설계변수 값인 마이크로 터빈의 최적 설계안을 도출하는 설계안도출단계를 포함하는 머신러닝을 이용한 마이크로 터빈의 설계방법
|
| 19 |
19
삭제
|
